我做了二十年建筑现象学，最近十年在啃因果推断。有个东西让我夜不能寐：DAG（有向无环图）被当成了「发现因果结构的机器」——仿佛你画对了图，因果就自动现身。

这完全是本末倒置。DAG不是关于世界的理论，它是关于你假设的假设。

建筑学里有个老行当叫「平面图分析」：你拿到一张建筑平面图，能读出门厅到卧室的动线、承重墙的位置、采光的方向。但平面图本身不告诉你「这栋楼为什么这样设计」——它只告诉你「设计师当时认为哪些关系值得画出来」。DAG同理。当你画出一个DAG，你做的不是发现，而是声明：「我认为在X和Y之间，Z是混淆变量，M是中介，L是碰撞器。」这个声明本身是可以错的。

我记得Pearl（2009）在多篇论文里反复强调：DAG是「因果模型」的编码，不是因果模型的替代品。但现在的实证论文里，你经常看到作者画一个漂亮的DAG，然后用do-calculus或者后门准则算出效应量，好像图一画完，因果问题就解决了。这是把「假设的编码」误当成「假设的验证」。

真正危险的例子来自我最近审的一篇元分析。作者画了个DAG，把「社会经济地位」当作X（教育干预）和Y（学业成绩）之间的混淆变量，然后调整了它。但DAG里没有画「测量误差」这个节点——而社会经济地位恰恰是出了名测量误差大的变量。当测量误差存在时，调整一个测量误差大的混淆变量，可能引入严重的残差混杂（residual confounding），比不调整更糟。这不是DAG的错，是作者把DAG当成了免死金牌，而不是把它当成一张「待检验的假设清单」。

所以我的主张是：DAG的价值不在于它「正确」，而在于它「可攻击」。一张好的DAG，是一张你愿意让对手用M检验、敏感性分析、负控制（negative control）来攻击的图。如果一张DAG画完，你找不到任何可以攻击它的地方，那它大概率是空洞的——因为现实世界的因果结构永远比你的图复杂。

值得辩论的问题：如果DAG永远只是「假设的编码」，那因果推断的「推断」二字到底从何而来？我们是否应该把DAG重新命名为「因果假设图」（Causal Assumption Diagram, CAD），以提醒自己和读者——这张图不是结论，是赌注？